Concept for calculating age dependent mortality

Do imports

Retrieve data

stmeta <- cbs_get_meta("70895ned")

sterftedata <- data.frame(cbs_get_data(id = "70895ned", Geslacht = "1100", Perioden = has_substring("JJ")))
## 
  |                                                                                                                                                                                              
  |                                                                                                                                                                                        |   0%
  |                                                                                                                                                                                              
  |========================================================================================================================================================================================| 100%
kable(sterftedata, caption = "Sterftedata")
Sterftedata
Geslacht LeeftijdOp31December Perioden Overledenen_1
1100 10000 1995JJ00 135675
1100 10000 1996JJ00 137561
1100 10000 1997JJ00 135783
1100 10000 1998JJ00 137482
1100 10000 1999JJ00 140487
1100 10000 2000JJ00 140527
1100 10000 2001JJ00 140377
1100 10000 2002JJ00 142355
1100 10000 2003JJ00 141936
1100 10000 2004JJ00 136553
1100 10000 2005JJ00 136402
1100 10000 2006JJ00 135372
1100 10000 2007JJ00 133022
1100 10000 2008JJ00 135136
1100 10000 2009JJ00 134235
1100 10000 2010JJ00 136058
1100 10000 2011JJ00 135741
1100 10000 2012JJ00 140813
1100 10000 2013JJ00 141245
1100 10000 2014JJ00 139223
1100 10000 2015JJ00 147134
1100 10000 2016JJ00 148997
1100 10000 2017JJ00 150214
1100 10000 2018JJ00 153363
1100 10000 2019JJ00 151885
1100 10000 2020JJ00 168566
1100 41700 1995JJ00 26183
1100 41700 1996JJ00 26388
1100 41700 1997JJ00 25715
1100 41700 1998JJ00 26031
1100 41700 1999JJ00 26557
1100 41700 2000JJ00 26711
1100 41700 2001JJ00 26667
1100 41700 2002JJ00 26900
1100 41700 2003JJ00 26863
1100 41700 2004JJ00 26054
1100 41700 2005JJ00 25306
1100 41700 2006JJ00 24978
1100 41700 2007JJ00 24447
1100 41700 2008JJ00 24802
1100 41700 2009JJ00 24474
1100 41700 2010JJ00 24339
1100 41700 2011JJ00 23611
1100 41700 2012JJ00 23398
1100 41700 2013JJ00 22761
1100 41700 2014JJ00 22184
1100 41700 2015JJ00 22137
1100 41700 2016JJ00 22287
1100 41700 2017JJ00 21694
1100 41700 2018JJ00 21568
1100 41700 2019JJ00 20935
1100 41700 2020JJ00 21648
1100 53950 1995JJ00 47807
1100 53950 1996JJ00 48385
1100 53950 1997JJ00 47485
1100 53950 1998JJ00 47865
1100 53950 1999JJ00 48729
1100 53950 2000JJ00 47591
1100 53950 2001JJ00 47069
1100 53950 2002JJ00 46800
1100 53950 2003JJ00 45463
1100 53950 2004JJ00 43405
1100 53950 2005JJ00 42916
1100 53950 2006JJ00 41630
1100 53950 2007JJ00 40827
1100 53950 2008JJ00 40188
1100 53950 2009JJ00 39997
1100 53950 2010JJ00 40449
1100 53950 2011JJ00 40131
1100 53950 2012JJ00 41372
1100 53950 2013JJ00 41648
1100 53950 2014JJ00 41309
1100 53950 2015JJ00 43665
1100 53950 2016JJ00 44361
1100 53950 2017JJ00 44425
1100 53950 2018JJ00 45975
1100 53950 2019JJ00 45940
1100 53950 2020JJ00 51218
1100 21700 1995JJ00 61685
1100 21700 1996JJ00 62788
1100 21700 1997JJ00 62583
1100 21700 1998JJ00 63586
1100 21700 1999JJ00 65201
1100 21700 2000JJ00 66225
1100 21700 2001JJ00 66641
1100 21700 2002JJ00 68655
1100 21700 2003JJ00 69610
1100 21700 2004JJ00 67094
1100 21700 2005JJ00 68180
1100 21700 2006JJ00 68764
1100 21700 2007JJ00 67748
1100 21700 2008JJ00 70146
1100 21700 2009JJ00 69764
1100 21700 2010JJ00 71270
1100 21700 2011JJ00 71999
1100 21700 2012JJ00 76043
1100 21700 2013JJ00 76836
1100 21700 2014JJ00 75730
1100 21700 2015JJ00 81332
1100 21700 2016JJ00 82349
1100 21700 2017JJ00 84095
1100 21700 2018JJ00 85820
1100 21700 2019JJ00 85010
1100 21700 2020JJ00 95700

Select older pop

bevolkingdata <- data.frame(cbs_get_data(id = "37296ned", select = c(
  "Perioden", "TotaleBevolking_1", "k_65Tot80Jaar_13",
  "k_80JaarOfOuder_14"
), typed = F))
## 
  |                                                                                                                                                                                              
  |                                                                                                                                                                                        |   0%
  |                                                                                                                                                                                              
  |========================================================================================================================================================================================| 100%
bevolkingdata$tot65 <- bevolkingdata[, 2] - bevolkingdata[, 3] - bevolkingdata[, 4]
names(bevolkingdata)[2:5] <- c("10000", "53950", "21700", "41700")
bevolkingdata <- melt(bevolkingdata, id.vars = "Perioden")
## Warning: attributes are not identical across measure variables; they will be dropped
names(bevolkingdata)[2:3] <- c("LeeftijdOp31December", "Aantal")

kable(bevolkingdata, caption = "Bevolkingsdata")
Bevolkingsdata
Perioden LeeftijdOp31December Aantal
1950JJ00 10000 10026773
1951JJ00 10000 10200280
1952JJ00 10000 10328343
1953JJ00 10000 10435631
1954JJ00 10000 10550737
1955JJ00 10000 10680023
1956JJ00 10000 10821661
1957JJ00 10000 10957040
1958JJ00 10000 11095726
1959JJ00 10000 11278024
1960JJ00 10000 11417254
1961JJ00 10000 11556008
1962JJ00 10000 11721416
1963JJ00 10000 11889962
1964JJ00 10000 12041970
1965JJ00 10000 12212269
1966JJ00 10000 12377194
1967JJ00 10000 12535307
1968JJ00 10000 12661095
1969JJ00 10000 12798346
1970JJ00 10000 12957621
1971JJ00 10000 13119430
1972JJ00 10000 13269563
1973JJ00 10000 13387623
1974JJ00 10000 13491020
1975JJ00 10000 13599092
1976JJ00 10000 13733578
1977JJ00 10000 13814495
1978JJ00 10000 13897874
1979JJ00 10000 13985526
1980JJ00 10000 14091014
1981JJ00 10000 14208586
1982JJ00 10000 14285829
1983JJ00 10000 14339551
1984JJ00 10000 14394589
1985JJ00 10000 14453833
1986JJ00 10000 14529430
1987JJ00 10000 14615125
1988JJ00 10000 14714948
1989JJ00 10000 14805240
1990JJ00 10000 14892574
1991JJ00 10000 15010445
1992JJ00 10000 15129150
1993JJ00 10000 15239182
1994JJ00 10000 15341553
1995JJ00 10000 15424122
1996JJ00 10000 15493889
1997JJ00 10000 15567107
1998JJ00 10000 15654192
1999JJ00 10000 15760225
2000JJ00 10000 15863950
2001JJ00 10000 15987075
2002JJ00 10000 16105285
2003JJ00 10000 16192572
2004JJ00 10000 16258032
2005JJ00 10000 16305526
2006JJ00 10000 16334210
2007JJ00 10000 16357992
2008JJ00 10000 16405399
2009JJ00 10000 16485787
2010JJ00 10000 16574989
2011JJ00 10000 16655799
2012JJ00 10000 16730348
2013JJ00 10000 16779575
2014JJ00 10000 16829289
2015JJ00 10000 16900726
2016JJ00 10000 16979120
2017JJ00 10000 17081507
2018JJ00 10000 17181084
2019JJ00 10000 17282163
2020JJ00 10000 17407585
1950JJ00 53950 670995
1951JJ00 53950 690449
1952JJ00 53950 710729
1953JJ00 53950 729809
1954JJ00 53950 747436
1955JJ00 53950 765017
1956JJ00 53950 782200
1957JJ00 53950 800553
1958JJ00 53950 818343
1959JJ00 53950 843228
1960JJ00 53950 864423
1961JJ00 53950 887637
1962JJ00 53950 912524
1963JJ00 53950 934630
1964JJ00 53950 955313
1965JJ00 53950 976752
1966JJ00 53950 996411
1967JJ00 53950 1018765
1968JJ00 53950 1043617
1969JJ00 53950 1065626
1970JJ00 53950 1089232
1971JJ00 53950 1111504
1972JJ00 53950 1132778
1973JJ00 53950 1154901
1974JJ00 53950 1177000
1975JJ00 53950 1201043
1976JJ00 53950 1221862
1977JJ00 53950 1236344
1978JJ00 53950 1259198
1979JJ00 53950 1280786
1980JJ00 53950 1303447
1981JJ00 53950 1318916
1982JJ00 53950 1332480
1983JJ00 53950 1343109
1984JJ00 53950 1350817
1985JJ00 53950 1359038
1986JJ00 53950 1386796
1987JJ00 53950 1411662
1988JJ00 53950 1434264
1989JJ00 53950 1458653
1990JJ00 53950 1477909
1991JJ00 53950 1496394
1992JJ00 53950 1515408
1993JJ00 53950 1529136
1994JJ00 53950 1543699
1995JJ00 53950 1557819
1996JJ00 53950 1579397
1997JJ00 53950 1596420
1998JJ00 53950 1616527
1999JJ00 53950 1634782
2000JJ00 53950 1652103
2001JJ00 53950 1657864
2002JJ00 53950 1667107
2003JJ00 53950 1676486
2004JJ00 53950 1692856
2005JJ00 53950 1715097
2006JJ00 53950 1743443
2007JJ00 53950 1767510
2008JJ00 53950 1799337
2009JJ00 53950 1840607
2010JJ00 53950 1890334
2011JJ00 53950 1927399
2012JJ00 53950 2030353
2013JJ00 53950 2121525
2014JJ00 53950 2201935
2015JJ00 53950 2272709
2016JJ00 53950 2336560
2017JJ00 53950 2395385
2018JJ00 53950 2460202
2019JJ00 53950 2515184
2020JJ00 53950 2570467
1950JJ00 21700 99599
1951JJ00 21700 104042
1952JJ00 21700 107790
1953JJ00 21700 113609
1954JJ00 21700 119342
1955JJ00 21700 124954
1956JJ00 21700 130298
1957JJ00 21700 135513
1958JJ00 21700 142029
1959JJ00 21700 147836
1960JJ00 21700 154399
1961JJ00 21700 160947
1962JJ00 21700 167529
1963JJ00 21700 172802
1964JJ00 21700 177392
1965JJ00 21700 185782
1966JJ00 21700 193237
1967JJ00 21700 200060
1968JJ00 21700 208522
1969JJ00 21700 215347
1970JJ00 21700 221743
1971JJ00 21700 228245
1972JJ00 21700 235147
1973JJ00 21700 240368
1974JJ00 21700 249291
1975JJ00 21700 258378
1976JJ00 21700 268294
1977JJ00 21700 277970
1978JJ00 21700 290128
1979JJ00 21700 300110
1980JJ00 21700 311877
1981JJ00 21700 323091
1982JJ00 21700 335781
1983JJ00 21700 345005
1984JJ00 21700 357641
1985JJ00 21700 370708
1986JJ00 21700 382392
1987JJ00 21700 392352
1988JJ00 21700 405803
1989JJ00 21700 418354
1990JJ00 21700 427715
1991JJ00 21700 437248
1992JJ00 21700 444288
1993JJ00 21700 456391
1994JJ00 21700 464295
1995JJ00 21700 475757
1996JJ00 21700 481475
1997JJ00 21700 487419
1998JJ00 21700 493192
1999JJ00 21700 496152
2000JJ00 21700 500339
2001JJ00 21700 516637
2002JJ00 21700 531607
2003JJ00 21700 543970
2004JJ00 21700 558298
2005JJ00 21700 573573
2006JJ00 21700 587016
2007JJ00 21700 600842
2008JJ00 21700 615489
2009JJ00 21700 631208
2010JJ00 21700 647994
2011JJ00 21700 667547
2012JJ00 21700 686015
2013JJ00 21700 702820
2014JJ00 21700 717089
2015JJ00 21700 734976
2016JJ00 21700 748748
2017JJ00 21700 764275
2018JJ00 21700 778914
2019JJ00 21700 798820
2020JJ00 21700 822088
1950JJ00 41700 9256179
1951JJ00 41700 9405789
1952JJ00 41700 9509824
1953JJ00 41700 9592213
1954JJ00 41700 9683959
1955JJ00 41700 9790052
1956JJ00 41700 9909163
1957JJ00 41700 10020974
1958JJ00 41700 10135354
1959JJ00 41700 10286960
1960JJ00 41700 10398432
1961JJ00 41700 10507424
1962JJ00 41700 10641363
1963JJ00 41700 10782530
1964JJ00 41700 10909265
1965JJ00 41700 11049735
1966JJ00 41700 11187546
1967JJ00 41700 11316482
1968JJ00 41700 11408956
1969JJ00 41700 11517373
1970JJ00 41700 11646646
1971JJ00 41700 11779681
1972JJ00 41700 11901638
1973JJ00 41700 11992354
1974JJ00 41700 12064729
1975JJ00 41700 12139671
1976JJ00 41700 12243422
1977JJ00 41700 12300181
1978JJ00 41700 12348548
1979JJ00 41700 12404630
1980JJ00 41700 12475690
1981JJ00 41700 12566579
1982JJ00 41700 12617568
1983JJ00 41700 12651437
1984JJ00 41700 12686131
1985JJ00 41700 12724087
1986JJ00 41700 12760242
1987JJ00 41700 12811111
1988JJ00 41700 12874881
1989JJ00 41700 12928233
1990JJ00 41700 12986950
1991JJ00 41700 13076803
1992JJ00 41700 13169454
1993JJ00 41700 13253655
1994JJ00 41700 13333559
1995JJ00 41700 13390546
1996JJ00 41700 13433017
1997JJ00 41700 13483268
1998JJ00 41700 13544473
1999JJ00 41700 13629291
2000JJ00 41700 13711508
2001JJ00 41700 13812574
2002JJ00 41700 13906571
2003JJ00 41700 13972116
2004JJ00 41700 14006878
2005JJ00 41700 14016856
2006JJ00 41700 14003751
2007JJ00 41700 13989640
2008JJ00 41700 13990573
2009JJ00 41700 14013972
2010JJ00 41700 14036661
2011JJ00 41700 14060853
2012JJ00 41700 14013980
2013JJ00 41700 13955230
2014JJ00 41700 13910265
2015JJ00 41700 13893041
2016JJ00 41700 13893812
2017JJ00 41700 13921847
2018JJ00 41700 13941968
2019JJ00 41700 13968159
2020JJ00 41700 14015030

Add mortality by pop

data <- merge(bevolkingdata, sterftedata)
data$Mortaliteit <- data$Overledenen_1 / data$Aantal

kable(data, caption = "Bevolking met mortaliteit")
Bevolking met mortaliteit
Perioden LeeftijdOp31December Aantal Geslacht Overledenen_1 Mortaliteit
1995JJ00 10000 15424122 1100 135675 0.0087963
1995JJ00 21700 475757 1100 61685 0.1296565
1995JJ00 41700 13390546 1100 26183 0.0019553
1995JJ00 53950 1557819 1100 47807 0.0306884
1996JJ00 10000 15493889 1100 137561 0.0088784
1996JJ00 21700 481475 1100 62788 0.1304076
1996JJ00 41700 13433017 1100 26388 0.0019644
1996JJ00 53950 1579397 1100 48385 0.0306351
1997JJ00 10000 15567107 1100 135783 0.0087224
1997JJ00 21700 487419 1100 62583 0.1283967
1997JJ00 41700 13483268 1100 25715 0.0019072
1997JJ00 53950 1596420 1100 47485 0.0297447
1998JJ00 10000 15654192 1100 137482 0.0087824
1998JJ00 21700 493192 1100 63586 0.1289275
1998JJ00 41700 13544473 1100 26031 0.0019219
1998JJ00 53950 1616527 1100 47865 0.0296098
1999JJ00 10000 15760225 1100 140487 0.0089140
1999JJ00 21700 496152 1100 65201 0.1314134
1999JJ00 41700 13629291 1100 26557 0.0019485
1999JJ00 53950 1634782 1100 48729 0.0298076
2000JJ00 10000 15863950 1100 140527 0.0088583
2000JJ00 21700 500339 1100 66225 0.1323603
2000JJ00 41700 13711508 1100 26711 0.0019481
2000JJ00 53950 1652103 1100 47591 0.0288063
2001JJ00 10000 15987075 1100 140377 0.0087807
2001JJ00 21700 516637 1100 66641 0.1289900
2001JJ00 41700 13812574 1100 26667 0.0019306
2001JJ00 53950 1657864 1100 47069 0.0283914
2002JJ00 10000 16105285 1100 142355 0.0088390
2002JJ00 21700 531607 1100 68655 0.1291462
2002JJ00 41700 13906571 1100 26900 0.0019343
2002JJ00 53950 1667107 1100 46800 0.0280726
2003JJ00 10000 16192572 1100 141936 0.0087655
2003JJ00 21700 543970 1100 69610 0.1279666
2003JJ00 41700 13972116 1100 26863 0.0019226
2003JJ00 53950 1676486 1100 45463 0.0271180
2004JJ00 10000 16258032 1100 136553 0.0083991
2004JJ00 21700 558298 1100 67094 0.1201760
2004JJ00 41700 14006878 1100 26054 0.0018601
2004JJ00 53950 1692856 1100 43405 0.0256401
2005JJ00 10000 16305526 1100 136402 0.0083654
2005JJ00 21700 573573 1100 68180 0.1188689
2005JJ00 41700 14016856 1100 25306 0.0018054
2005JJ00 53950 1715097 1100 42916 0.0250225
2006JJ00 10000 16334210 1100 135372 0.0082876
2006JJ00 21700 587016 1100 68764 0.1171416
2006JJ00 41700 14003751 1100 24978 0.0017837
2006JJ00 53950 1743443 1100 41630 0.0238780
2007JJ00 10000 16357992 1100 133022 0.0081319
2007JJ00 21700 600842 1100 67748 0.1127551
2007JJ00 41700 13989640 1100 24447 0.0017475
2007JJ00 53950 1767510 1100 40827 0.0230986
2008JJ00 10000 16405399 1100 135136 0.0082373
2008JJ00 21700 615489 1100 70146 0.1139679
2008JJ00 41700 13990573 1100 24802 0.0017728
2008JJ00 53950 1799337 1100 40188 0.0223349
2009JJ00 10000 16485787 1100 134235 0.0081425
2009JJ00 21700 631208 1100 69764 0.1105246
2009JJ00 41700 14013972 1100 24474 0.0017464
2009JJ00 53950 1840607 1100 39997 0.0217303
2010JJ00 10000 16574989 1100 136058 0.0082086
2010JJ00 21700 647994 1100 71270 0.1099856
2010JJ00 41700 14036661 1100 24339 0.0017340
2010JJ00 53950 1890334 1100 40449 0.0213978
2011JJ00 10000 16655799 1100 135741 0.0081498
2011JJ00 21700 667547 1100 71999 0.1078561
2011JJ00 41700 14060853 1100 23611 0.0016792
2011JJ00 53950 1927399 1100 40131 0.0208213
2012JJ00 10000 16730348 1100 140813 0.0084166
2012JJ00 21700 686015 1100 76043 0.1108474
2012JJ00 41700 14013980 1100 23398 0.0016696
2012JJ00 53950 2030353 1100 41372 0.0203768
2013JJ00 10000 16779575 1100 141245 0.0084177
2013JJ00 21700 702820 1100 76836 0.1093253
2013JJ00 41700 13955230 1100 22761 0.0016310
2013JJ00 53950 2121525 1100 41648 0.0196312
2014JJ00 10000 16829289 1100 139223 0.0082727
2014JJ00 21700 717089 1100 75730 0.1056075
2014JJ00 41700 13910265 1100 22184 0.0015948
2014JJ00 53950 2201935 1100 41309 0.0187603
2015JJ00 10000 16900726 1100 147134 0.0087058
2015JJ00 21700 734976 1100 81332 0.1106594
2015JJ00 41700 13893041 1100 22137 0.0015934
2015JJ00 53950 2272709 1100 43665 0.0192128
2016JJ00 10000 16979120 1100 148997 0.0087753
2016JJ00 21700 748748 1100 82349 0.1099823
2016JJ00 41700 13893812 1100 22287 0.0016041
2016JJ00 53950 2336560 1100 44361 0.0189856
2017JJ00 10000 17081507 1100 150214 0.0087940
2017JJ00 21700 764275 1100 84095 0.1100324
2017JJ00 41700 13921847 1100 21694 0.0015583
2017JJ00 53950 2395385 1100 44425 0.0185461
2018JJ00 10000 17181084 1100 153363 0.0089263
2018JJ00 21700 778914 1100 85820 0.1101790
2018JJ00 41700 13941968 1100 21568 0.0015470
2018JJ00 53950 2460202 1100 45975 0.0186875
2019JJ00 10000 17282163 1100 151885 0.0087885
2019JJ00 21700 798820 1100 85010 0.1064195
2019JJ00 41700 13968159 1100 20935 0.0014988
2019JJ00 53950 2515184 1100 45940 0.0182651
2020JJ00 10000 17407585 1100 168566 0.0096835
2020JJ00 21700 822088 1100 95700 0.1164109
2020JJ00 41700 14015030 1100 21648 0.0015446
2020JJ00 53950 2570467 1100 51218 0.0199256

Merge with other stuff

data <- merge(data, stmeta[5]$LeeftijdOp31December[, 1:2], by.x = "LeeftijdOp31December", by.y = "Key")
names(data)[7] <- "Leeftijd"
data$Jaar <- as.numeric(as.character(substr(data$Perioden, 1, 4)))
data$Leeftijd[data$Leeftijd == "Totaal leeftijd"] <- "Totaal (leeftijdsonafhankelijk)"

kable(data, caption = "Totalen met leeftijdscategorien")
Totalen met leeftijdscategorien
LeeftijdOp31December Perioden Aantal Geslacht Overledenen_1 Mortaliteit Leeftijd Jaar
10000 1995JJ00 15424122 1100 135675 0.0087963 Totaal (leeftijdsonafhankelijk) 1995
10000 2005JJ00 16305526 1100 136402 0.0083654 Totaal (leeftijdsonafhankelijk) 2005
10000 2002JJ00 16105285 1100 142355 0.0088390 Totaal (leeftijdsonafhankelijk) 2002
10000 1999JJ00 15760225 1100 140487 0.0089140 Totaal (leeftijdsonafhankelijk) 1999
10000 1996JJ00 15493889 1100 137561 0.0088784 Totaal (leeftijdsonafhankelijk) 1996
10000 2006JJ00 16334210 1100 135372 0.0082876 Totaal (leeftijdsonafhankelijk) 2006
10000 2003JJ00 16192572 1100 141936 0.0087655 Totaal (leeftijdsonafhankelijk) 2003
10000 2000JJ00 15863950 1100 140527 0.0088583 Totaal (leeftijdsonafhankelijk) 2000
10000 1997JJ00 15567107 1100 135783 0.0087224 Totaal (leeftijdsonafhankelijk) 1997
10000 2007JJ00 16357992 1100 133022 0.0081319 Totaal (leeftijdsonafhankelijk) 2007
10000 2004JJ00 16258032 1100 136553 0.0083991 Totaal (leeftijdsonafhankelijk) 2004
10000 2001JJ00 15987075 1100 140377 0.0087807 Totaal (leeftijdsonafhankelijk) 2001
10000 1998JJ00 15654192 1100 137482 0.0087824 Totaal (leeftijdsonafhankelijk) 1998
10000 2008JJ00 16405399 1100 135136 0.0082373 Totaal (leeftijdsonafhankelijk) 2008
10000 2018JJ00 17181084 1100 153363 0.0089263 Totaal (leeftijdsonafhankelijk) 2018
10000 2015JJ00 16900726 1100 147134 0.0087058 Totaal (leeftijdsonafhankelijk) 2015
10000 2012JJ00 16730348 1100 140813 0.0084166 Totaal (leeftijdsonafhankelijk) 2012
10000 2009JJ00 16485787 1100 134235 0.0081425 Totaal (leeftijdsonafhankelijk) 2009
10000 2019JJ00 17282163 1100 151885 0.0087885 Totaal (leeftijdsonafhankelijk) 2019
10000 2016JJ00 16979120 1100 148997 0.0087753 Totaal (leeftijdsonafhankelijk) 2016
10000 2013JJ00 16779575 1100 141245 0.0084177 Totaal (leeftijdsonafhankelijk) 2013
10000 2010JJ00 16574989 1100 136058 0.0082086 Totaal (leeftijdsonafhankelijk) 2010
10000 2020JJ00 17407585 1100 168566 0.0096835 Totaal (leeftijdsonafhankelijk) 2020
10000 2017JJ00 17081507 1100 150214 0.0087940 Totaal (leeftijdsonafhankelijk) 2017
10000 2014JJ00 16829289 1100 139223 0.0082727 Totaal (leeftijdsonafhankelijk) 2014
10000 2011JJ00 16655799 1100 135741 0.0081498 Totaal (leeftijdsonafhankelijk) 2011
21700 1998JJ00 493192 1100 63586 0.1289275 80 jaar of ouder 1998
21700 1995JJ00 475757 1100 61685 0.1296565 80 jaar of ouder 1995
21700 2005JJ00 573573 1100 68180 0.1188689 80 jaar of ouder 2005
21700 2002JJ00 531607 1100 68655 0.1291462 80 jaar of ouder 2002
21700 1999JJ00 496152 1100 65201 0.1314134 80 jaar of ouder 1999
21700 1996JJ00 481475 1100 62788 0.1304076 80 jaar of ouder 1996
21700 2006JJ00 587016 1100 68764 0.1171416 80 jaar of ouder 2006
21700 2003JJ00 543970 1100 69610 0.1279666 80 jaar of ouder 2003
21700 2000JJ00 500339 1100 66225 0.1323603 80 jaar of ouder 2000
21700 1997JJ00 487419 1100 62583 0.1283967 80 jaar of ouder 1997
21700 2007JJ00 600842 1100 67748 0.1127551 80 jaar of ouder 2007
21700 2004JJ00 558298 1100 67094 0.1201760 80 jaar of ouder 2004
21700 2001JJ00 516637 1100 66641 0.1289900 80 jaar of ouder 2001
21700 2011JJ00 667547 1100 71999 0.1078561 80 jaar of ouder 2011
21700 2008JJ00 615489 1100 70146 0.1139679 80 jaar of ouder 2008
21700 2018JJ00 778914 1100 85820 0.1101790 80 jaar of ouder 2018
21700 2015JJ00 734976 1100 81332 0.1106594 80 jaar of ouder 2015
21700 2012JJ00 686015 1100 76043 0.1108474 80 jaar of ouder 2012
21700 2009JJ00 631208 1100 69764 0.1105246 80 jaar of ouder 2009
21700 2019JJ00 798820 1100 85010 0.1064195 80 jaar of ouder 2019
21700 2016JJ00 748748 1100 82349 0.1099823 80 jaar of ouder 2016
21700 2013JJ00 702820 1100 76836 0.1093253 80 jaar of ouder 2013
21700 2010JJ00 647994 1100 71270 0.1099856 80 jaar of ouder 2010
21700 2020JJ00 822088 1100 95700 0.1164109 80 jaar of ouder 2020
21700 2017JJ00 764275 1100 84095 0.1100324 80 jaar of ouder 2017
21700 2014JJ00 717089 1100 75730 0.1056075 80 jaar of ouder 2014
41700 2001JJ00 13812574 1100 26667 0.0019306 0 tot 65 jaar 2001
41700 1998JJ00 13544473 1100 26031 0.0019219 0 tot 65 jaar 1998
41700 1995JJ00 13390546 1100 26183 0.0019553 0 tot 65 jaar 1995
41700 2005JJ00 14016856 1100 25306 0.0018054 0 tot 65 jaar 2005
41700 2002JJ00 13906571 1100 26900 0.0019343 0 tot 65 jaar 2002
41700 1999JJ00 13629291 1100 26557 0.0019485 0 tot 65 jaar 1999
41700 1996JJ00 13433017 1100 26388 0.0019644 0 tot 65 jaar 1996
41700 2006JJ00 14003751 1100 24978 0.0017837 0 tot 65 jaar 2006
41700 2003JJ00 13972116 1100 26863 0.0019226 0 tot 65 jaar 2003
41700 2000JJ00 13711508 1100 26711 0.0019481 0 tot 65 jaar 2000
41700 1997JJ00 13483268 1100 25715 0.0019072 0 tot 65 jaar 1997
41700 2007JJ00 13989640 1100 24447 0.0017475 0 tot 65 jaar 2007
41700 2004JJ00 14006878 1100 26054 0.0018601 0 tot 65 jaar 2004
41700 2014JJ00 13910265 1100 22184 0.0015948 0 tot 65 jaar 2014
41700 2011JJ00 14060853 1100 23611 0.0016792 0 tot 65 jaar 2011
41700 2008JJ00 13990573 1100 24802 0.0017728 0 tot 65 jaar 2008
41700 2018JJ00 13941968 1100 21568 0.0015470 0 tot 65 jaar 2018
41700 2015JJ00 13893041 1100 22137 0.0015934 0 tot 65 jaar 2015
41700 2012JJ00 14013980 1100 23398 0.0016696 0 tot 65 jaar 2012
41700 2009JJ00 14013972 1100 24474 0.0017464 0 tot 65 jaar 2009
41700 2019JJ00 13968159 1100 20935 0.0014988 0 tot 65 jaar 2019
41700 2016JJ00 13893812 1100 22287 0.0016041 0 tot 65 jaar 2016
41700 2013JJ00 13955230 1100 22761 0.0016310 0 tot 65 jaar 2013
41700 2010JJ00 14036661 1100 24339 0.0017340 0 tot 65 jaar 2010
41700 2020JJ00 14015030 1100 21648 0.0015446 0 tot 65 jaar 2020
41700 2017JJ00 13921847 1100 21694 0.0015583 0 tot 65 jaar 2017
53950 2004JJ00 1692856 1100 43405 0.0256401 65 tot 80 jaar 2004
53950 2001JJ00 1657864 1100 47069 0.0283914 65 tot 80 jaar 2001
53950 1998JJ00 1616527 1100 47865 0.0296098 65 tot 80 jaar 1998
53950 1995JJ00 1557819 1100 47807 0.0306884 65 tot 80 jaar 1995
53950 2005JJ00 1715097 1100 42916 0.0250225 65 tot 80 jaar 2005
53950 2002JJ00 1667107 1100 46800 0.0280726 65 tot 80 jaar 2002
53950 1999JJ00 1634782 1100 48729 0.0298076 65 tot 80 jaar 1999
53950 1996JJ00 1579397 1100 48385 0.0306351 65 tot 80 jaar 1996
53950 2006JJ00 1743443 1100 41630 0.0238780 65 tot 80 jaar 2006
53950 2003JJ00 1676486 1100 45463 0.0271180 65 tot 80 jaar 2003
53950 2000JJ00 1652103 1100 47591 0.0288063 65 tot 80 jaar 2000
53950 1997JJ00 1596420 1100 47485 0.0297447 65 tot 80 jaar 1997
53950 2007JJ00 1767510 1100 40827 0.0230986 65 tot 80 jaar 2007
53950 2017JJ00 2395385 1100 44425 0.0185461 65 tot 80 jaar 2017
53950 2014JJ00 2201935 1100 41309 0.0187603 65 tot 80 jaar 2014
53950 2011JJ00 1927399 1100 40131 0.0208213 65 tot 80 jaar 2011
53950 2008JJ00 1799337 1100 40188 0.0223349 65 tot 80 jaar 2008
53950 2018JJ00 2460202 1100 45975 0.0186875 65 tot 80 jaar 2018
53950 2015JJ00 2272709 1100 43665 0.0192128 65 tot 80 jaar 2015
53950 2012JJ00 2030353 1100 41372 0.0203768 65 tot 80 jaar 2012
53950 2009JJ00 1840607 1100 39997 0.0217303 65 tot 80 jaar 2009
53950 2019JJ00 2515184 1100 45940 0.0182651 65 tot 80 jaar 2019
53950 2016JJ00 2336560 1100 44361 0.0189856 65 tot 80 jaar 2016
53950 2013JJ00 2121525 1100 41648 0.0196312 65 tot 80 jaar 2013
53950 2010JJ00 1890334 1100 40449 0.0213978 65 tot 80 jaar 2010
53950 2020JJ00 2570467 1100 51218 0.0199256 65 tot 80 jaar 2020

Have fun with plots

(ggplot(data, aes(x = Jaar, y = Mortaliteit, col = Leeftijd)) +
  geom_line() +
  ggtitle("Leeftijdscategorieafhankelijke mortaliteit per jaar") +
  theme_bw()) %>%
  ggplotly()
(ggplot(data, aes(x = Jaar, y = Mortaliteit, col = Leeftijd)) +
  geom_line() +
  ggtitle("Leeftijdscategorieafhankelijke mortaliteit per jaar") +
  coord_cartesian(ylim = c(0, 0.01)) +
  theme_bw()) %>%
  ggplotly()